2. 市场微观结构：订单簿与价格形成

高频交易的核心战场是订单簿（Order Book）——一个记录所有未成交买卖指令的实时电子列表。理解订单簿的结构与动态变化，是量化策略设计的基础。本章将拆解订单簿的组成要素、订单类型、价差与深度，并展示其动态演化过程。

2.1 订单簿基本结构

订单簿由买盘（Bid Side）和卖盘（Ask Side）两部分组成。每一侧按价格优先、时间优先原则排序。下表展示了典型订单簿的快照结构：

关键概念：

• 最优买价（Best Bid）：当前最高买入价格，本例为 10.02 元。
• 最优卖价（Best Ask）：当前最低卖出价格，本例为 10.03 元。
• 买卖价差（Bid-Ask Spread）：最优卖价与最优买价之差，即 10.03 - 10.02 = 0.01 元。
• 市场深度（Market Depth）：各价位上的挂单数量总和，反映市场承接大额订单的能力。

2.2 限价订单与市价订单

高频交易中，订单类型决定了策略的执行逻辑与成本。两种核心订单类型对比如下：

2.3 买卖价差与市场深度

买卖价差是衡量市场流动性的核心指标。价差越小，交易成本越低，市场越活跃。价差由以下因素决定：

• 波动性：波动越大，做市商风险越高，价差扩大。
• 成交量：成交活跃的股票价差通常较小。
• 信息不对称：知情交易风险高时，价差扩大以补偿做市商。

市场深度则反映订单簿的“厚度”。深度越大，大额订单对价格的冲击越小。深度通常用深度图（Depth Chart）可视化，横轴为价格，纵轴为累计挂单量。

2.4 订单簿动态变化

订单簿并非静态快照，而是随事件驱动持续更新。高频策略需要实时处理以下四类事件：

1. 新订单进入：限价单加入队列，市价单立即撮合。
2. 订单撤销：未成交的限价单被取消，深度减少。
3. 订单成交：买卖双方匹配，订单从簿中移除。
4. 订单修改：修改价格或数量，相当于先撤单再下新单。

2.5 订单簿数据在 Python 中的表示

在实际高频系统中，订单簿通常以字典嵌套列表或Pandas DataFrame的形式存储。以下是一个简化的 Python 实现示例：

# 订单簿数据结构示例
order_book = {
    'bids': [  # 买盘，按价格降序排列
        {'price': 10.02, 'size': 150, 'order_id': 'B002'},
        {'price': 10.01, 'size': 200, 'order_id': 'B004'},
        {'price': 10.00, 'size': 150, 'order_id': 'B001'}
    ],
    'asks': [  # 卖盘，按价格升序排列
        {'price': 10.03, 'size': 100, 'order_id': 'A001'},
        {'price': 10.04, 'size': 300, 'order_id': 'A003'},
        {'price': 10.05, 'size': 200, 'order_id': 'A005'}
    ]
}

# 计算买卖价差
best_bid = order_book['bids'][0]['price']
best_ask = order_book['asks'][0]['price']
spread = best_ask - best_bid
print(f"最优买价: {best_bid}, 最优卖价: {best_ask}, 价差: {spread}")

# 计算市场深度（前3档）
bid_depth = sum(item['size'] for item in order_book['bids'][:3])
ask_depth = sum(item['size'] for item in order_book['asks'][:3])
print(f"买盘深度: {bid_depth}, 卖盘深度: {ask_depth}")

2.6 订单簿动态变化可视化

下图展示了订单簿在收到一笔市价买单后的典型变化过程：